المتاجرة استراتيجيات ص

إم جديدة جدا ل R ومحاولة ل باكتست استراتيجية إيف مبرمجة بالفعل في ويالثلاب. العديد من الاشياء لا افهم (وانها لا تعمل بشكل واضح :) أنا لا تحصل على أسعار قريبة لطيف في ناقلات. أو نوع من ناقلات ولكن يبدأ مع هيكل وأنا لا أفهم حقا ما هذه الوظيفة لا. ولهذا السبب سلسلة بلدي، 1 مكالمة ربما لا يعمل. n لوتنرو (سلسلة) لا تعمل إما، ولكن أنا بحاجة إلى أن حلقة لذلك أعتقد إذا كنت تحصل على هذه الأسئلة 2 أجاب استراتيجية بلدي يجب أن تعمل. أنا ممتن جدا لأي مساعدة..R يبدو معقدا جدا حتى مع تجربة البرمجة في لغات أخرى نعم أنا نوع من نسخ بعض خطوط التعليمات البرمجية من هذا البرنامج التعليمي و don39t حقا فهم هذا الخط. أعني سلسلة، 1 اعتقدت أن تطبيق وظيفة f على كوتولومنكوت 1 من هذه السلسلة. ولكن منذ هذه السلسلة هو بعض كومبلي مع هيكل الخ. I39m نتحدث عن هذا البرنامج التعليمي: R-بلوجيرسباكتستينغ-a-ترادينغ-ستراتيغي استراتيجية نداش ميشيز يونيو 6 13 في 14: 22 المالية والرياضيات والنمذجة الثاني (فينك 621) هي فئة مستوى الدراسات العليا التي يتم تقديمها حاليا في جامعة لويولا في شيكاغو خلال فصل الشتاء . تستكشف فينك 621 موضوعات في التمويل الكمي والرياضيات والبرمجة. الصف هو عملي في الطبيعة، ويتألف من كل من محاضرة وعنصر المختبر. تستخدم المختبرات لغة البرمجة R ويطلب من الطلاب تقديم مهامهم الفردية في نهاية كل فصل. الهدف النهائي من فينك 621 هو تزويد الطلاب مع الأدوات العملية التي يمكن استخدامها لإنشاء ونموذج وتحليل استراتيجيات التداول بسيطة. بعض الروابط R مفيدة حول المعلم هاري G. هو تاجر كمي كبير لشركة تجارية هفت في شيكاغو. وهو حاصل على درجة الماجستير 8217s في الهندسة الكهربائية ودرجة الماجستير في الرياضيات المالية من جامعة شيكاغو. في وقت فراغه، هاري يعلم دورة على مستوى الدراسات العليا في التمويل الكمي في جامعة لويولا في شيكاغو. هو أيضا مؤلف من التداول الكمي مع R. نوفمبر 30، 2016، 12:34 بعد بضعة أشهر القارئ يشير لي من هذه الطريقة الجديدة لربط R و إكسيل. أنا don8217t أعرف كم من الوقت كان هذا حولها، ولكن أنا لم تأتي عبر ذلك و I8217ve لم أر أي مدونة أو مقال حول هذا الموضوع. لذلك قررت أن أكتب وظيفة كأداة حقا يستحق كل هذا العناء وقبل أي شخص يسأل، I8217m لا علاقة للشركة بأي شكل من الأشكال. يقف بيرت لمجموعة أدوات إكسيل R الأساسية. it8217s مجانا (مرخص تحت غل V2) وقد تم تطويره من قبل هيكلة البيانات ليك. في وقت كتابة النسخة الحالية من بيرت هو 1.07. ويمكن الاطلاع على مزيد من المعلومات هنا. من منظور أكثر تقنية، تم تصميم بيرت لدعم تشغيل وظائف R من خلايا جداول البيانات إكسل. في مصطلحات إكسيل، فإنه 8217s لكتابة الدالات المعرفة من قبل المستخدم (أودف) في R. في هذه المشاركة I8217m لن تظهر لك كيفية تفاعل R و إكسيل عبر بيرت. هناك دروس جيدة جدا هنا. هنا وهنا. بدلا من ذلك أريد أن تظهر لك كيف اعتدت بيرت لبناء برج 8220control 8221 لتداول بلدي. يتم إنشاء إشارات التداول الخاصة بي باستخدام قائمة طويلة من الملفات R ولكن أنا بحاجة إلى مرونة إكسيل لعرض النتائج بسرعة وكفاءة. كما هو مبين أعلاه بيرت يمكن أن تفعل هذا بالنسبة لي ولكن أريد أيضا أن خياط التطبيق لاحتياجاتي. من خلال الجمع بين قوة شمل، فبا، R و بيرت يمكنني إنشاء تطبيق جيد حتى الآن قوية في شكل ملف إكسيل مع الحد الأدنى من التعليمات البرمجية فبا. في نهاية المطاف لدي ملف إكسيل واحد يجمع كل المهام اللازمة لإدارة محفظتي: تحديث قاعدة البيانات، توليد إشارة، تقديم الطلبات الخ 8230 يمكن تقسيم نهجي أسفل في 3 خطوات أدناه: استخدام شمل لبناء القوائم المحددة المستخدم والأزرار في إكسيل ملف. القوائم المذكورة أعلاه وأزرار هي أساسا يدعو إلى وظائف فبا. تلك الوظائف فبا هي التفاف حول وظائف R المعرفة باستخدام بيرت. مع هذا النهج يمكنني الحفاظ على تمييز واضح بين جوهر بلدي رمز الاحتفاظ بها في R، سكل وبيثون وكل ما يستخدم لعرض وتنسيق النتائج المحفوظة في إكسيل، فبا أمبير شمل. في الأقسام التالية أقدم الشرط الأساسي لتطوير مثل هذا النهج ودليل خطوة بخطوة يوضح كيف يمكن استخدام بيرت لمجرد تمرير البيانات من R إلى إكسيل مع الحد الأدنى من التعليمات البرمجية فبا. 1 8211 تحميل وتثبيت بيرت من هذا الرابط. بمجرد اكتمال التثبيت يجب أن يكون لديك قائمة الوظائف الإضافية الجديدة في إكسيل مع الأزرار كما هو موضح أدناه. هذه هي الطريقة التي تحققت بيرت في إكسيل. 2 8211 قم بتنزيل وتثبيت محرر واجهة المستخدم المخصص. يسمح محرر واجهة المستخدم المخصصة بإنشاء قوائم وأزرار محددة من قبل المستخدم في شريط إكسيل. يتوفر إجراء خطوة بخطوة هنا. دليل خطوة بخطوة 1 8211 R كود: وظيفة R أدناه هي قطعة بسيطة جدا من التعليمات البرمجية لأغراض التوضيح فقط. ويحسب ويعيد البقايا من الانحدار الخطي. هذا هو ما نريد استرداد في إكسيل. حفظ هذا في ملف يسمى myRCode. R (أي اسم آخر على ما يرام) في دليل من اختيارك. 2 8211 function. R في بيرت. من إكسيل حدد الوظائف الإضافية - gt الصفحة الرئيسية الدليل وفتح الملف يسمى functions. R. في هذا الملف قم بلصق التعليمة البرمجية التالية. تأكد من إدراج المسار الصحيح. هذا هو مجرد مصادر في بيرت ملف R قمت بإنشائه أعلاه. ثم حفظ وإغلاق الملف functions. R. إذا كنت تريد إجراء أي تغيير على ملف R التي تم إنشاؤها في الخطوة 1 سيكون لديك لإعادة تحميله باستخدام زر بيرت 8220Reload ستارتوب File8221 من القائمة الوظائف الإضافية في إكسيل 3 8211 في إكسيل: إنشاء وحفظ ملف يسمى myFile. xslm (أي اسم آخر على ما يرام). هذا هو ملف تمكين ماكرو الذي تقوم بحفظه في الدليل الذي تختاره. مرة واحدة يتم حفظ الملف إغلاقه. 4 8211 افتح الملف الذي تم إنشاؤه أعلاه في محرر واجهة المستخدم المخصصة: بعد فتح الملف، الصق الرمز أدناه. يجب أن يكون لديك شيء من هذا القبيل في محرر شمل: أساسا هذه القطعة من رمز شمل بإنشاء قائمة إضافية (رترادر)، مجموعة جديدة (مجموعتي) وزر تعريف المستخدم (زر جديد) في الشريط إكسيل. بمجرد الانتهاء من 8217re، افتح myFile. xslm في إكسيل وأغلق محرر واجهة المستخدم المخصص. يجب أن نرى شيئا من هذا القبيل. 5 8211 فتح محرر فبا. في myFile. xlsm إدراج وحدة نمطية جديدة. قم بلصق التعليمة البرمجية أدناه في الوحدة النمطية التي تم إنشاؤها حديثا. يؤدي ذلك إلى محو النتائج السابقة في ورقة العمل قبل التعامل مع نتائج جديدة. 6 8211 انقر فوق زر جديد. الآن ارجع إلى جدول البيانات وفي القائمة رترادر ​​انقر فوق الزر 8220New Button8221. يجب أن تشاهد شيئا مثل ما يظهر أدناه. الدليل أعلاه هو نسخة أساسية جدا من ما يمكن تحقيقه باستخدام بيرت لكنه يظهر لك كيفية الجمع بين قوة عدة أدوات محددة لبناء التطبيق المخصص الخاص بك. من وجهة نظري مصلحة هذا النهج هو القدرة على الغراء معا R و إكسيل الواضح ولكن أيضا لتشمل عن طريق شمل (والدفعة) قطعة من التعليمات البرمجية من بايثون، سكل وأكثر من ذلك. هذا هو بالضبط ما كنت بحاجة إليه. وأخيرا أود أن يكون من الغريب أن نعرف ما إذا كان أي شخص لديه أي خبرة مع بيرت 19 أغسطس 2016، 9:26 صباحا عند اختبار استراتيجيات التداول نهج مشترك هو تقسيم مجموعة البيانات الأولية في البيانات عينة: الجزء من البيانات المصممة لمعايرة النموذج والخروج من بيانات العينة: جزء من البيانات المستخدمة للتحقق من صحة المعايرة والتأكد من أن الأداء الذي تم إنشاؤه في العينة سوف تنعكس في العالم الحقيقي. وكقاعدة عامة يمكن استخدام حوالي 70 من البيانات الأولية للمعايرة (أي في العينة) و 30 للتحقق من صحة (أي من العينة). ثم تساعد مقارنة البيانات داخل وخارج العينة على تحديد ما إذا كان النموذج قويا بما فيه الكفاية. ويهدف هذا المنصب إلى المضي قدما خطوة أخرى ويوفر طريقة إحصائية لتقرير ما إذا كان خارج العينة البيانات يتماشى مع ما تم إنشاؤه في العينة. في الرسم البياني أدناه تمثل المنطقة الزرقاء خارج أداء العينة لأحد استراتيجياتي. الفحص البصري البسيط يكشف عن ملاءمة جيدة بين أداء العينة وخارجها ولكن درجة الثقة لدي في هذا في هذه المرحلة ليس كثيرا وهذا هو القضية. والمطلوب حقا هو مقياس للتشابه بين مجموعات البيانات داخل وخارج العينة. ومن الناحية الإحصائية، يمكن ترجمة ذلك على أنه احتمال أن تأتي أرقام أداء العينة وخارجها من نفس التوزيع. هناك اختبار إحصائي غير بارامتري الذي يفعل بالضبط هذا: اختبار كروسكال واليس. ويمكن العثور على تعريف جيد لهذا الاختبار على جمع R-توتور 8220A من عينات البيانات مستقلة إذا كانت تأتي من السكان غير ذات الصلة والعينات لا تؤثر على بعضها البعض. باستخدام اختبار كروسكال واليس. یمکننا أن نقرر ما إذا کانت توزیعات السکان متطابقة دون افتراض أنھم یتبعون التوزیع الطبیعي. 8221 الفائدة المضافة لھذا الاختبار لا تفترض توزیع طبیعي. وتوجد اختبارات أخرى من نفس الطبيعة يمكن أن تتلاءم مع هذا الإطار. اختبار مان-ويتني-ويلكوكسون أو اختبارات كولموغوروف-سميرنوف يناسب تماما الإطار يصف هنا ولكن هذا خارج نطاق هذه المقالة لمناقشة إيجابيات وسلبيات كل من هذه الاختبارات. ويمكن الاطلاع على وصف جيد جنبا إلى جنب مع الأمثلة R هنا. هنا 8217s الكود المستخدم لتوليد المخطط أعلاه والتحليل: في المثال أعلاه في فترة العينة أطول من خارج الفترة عينة لذلك أنا عشوائيا إنشاء 1000 مجموعات فرعية من البيانات في العينة كل واحد منهم لها نفس الطول كما خارج من بيانات العينة. ثم اختبرت كل عينة فرعية في مقابل عينة من البيانات وسجلت قيم p. هذه العملية لا تخلق قيمة P واحدة لاختبار كروسكال واليس ولكن التوزيع يجعل التحليل أكثر قوة. في هذا المثال يكون متوسط ​​قيم p أعلى بكثير من الصفر (0.478) مما يشير إلى أنه يجب قبول الفرضية الصفرية: فهناك أدلة قوية على أن البيانات داخل وخارج العينة تأتي من نفس التوزيع. كالمعتاد ما هو عرض في هذا المنصب هو مثال لعبة أن خدوش فقط على سطح المشكلة ويجب أن تكون مصممة لتلبية الاحتياجات الفردية. ومع ذلك أعتقد أنه يقترح إطارا إحصائيا للاهتمام والعقلاني لتقييم نتائج العينة. هذا المقال مستوحى من الورقتين التاليتين: فيجير ألكسندر، شميل سوان (2007)، آثار وظائف التحسين المختلفة على الخروج من عينة أداء استراتيجيات التداول المتطورة وراثيا، والتنبؤ مؤتمر الأسواق المالية فيجير ألكسندر، شميل سوان (2010)، و عملية التحسين لتحسين إنوت من عينة الاتساق، حالة سوق الأسهم، مؤتمر مورغان كازينوف الأسهم الكمية، لندن أكتوبر 2010 13 ديسمبر 2015، 2:03 بعد الظهر القيام البحوث الكمية ينطوي على الكثير من البيانات الطحن واحد يحتاج إلى بيانات نظيفة وموثوق بها إلى تحقيق ذلك. ما هو مطلوب حقا هو البيانات النظيفة التي يمكن الوصول إليها بسهولة (حتى من دون اتصال بالإنترنت). وكانت الطريقة الأكثر فعالية للقيام بذلك بالنسبة لي للحفاظ على مجموعة من ملفات كسف. من الواضح أن هذه العملية يمكن التعامل معها في نواح كثيرة ولكن وجدت العمل الإضافي فعالة جدا وبسيطة للحفاظ على الدليل حيث يمكنني تخزين وتحديث ملفات كسف. لدي ملف كسف واحد لكل أداة ويسمى كل ملف بعد الصك أنه يحتوي على. والسبب في أنني تفعل ذلك هو شقين: أولا، أنا don8217t تريد تحميل البيانات (السعر) من ياهو، جوجل الخ 8230 في كل مرة أريد أن اختبار فكرة جديدة ولكن الأهم من ذلك مرة واحدة حددت وتحديد المشكلة، وأنا don8217t تريد أن تضطر إلى تفعل ذلك مرة أخرى في المرة القادمة أحتاج نفس الصك. بسيطة لكنها فعالة جدا حتى الآن. يتم تلخيص العملية في الرسم البياني أدناه. في كل ما يلي، أفترض أن البيانات تأتي من ياهو. وسوف يكون رمز لتعديل البيانات من جوجل، كواندل الخ 8230 وبالإضافة إلى ذلك أقدم عملية تحديث بيانات الأسعار اليومية. سيكون الإعداد مختلفا عن بيانات التردد الأعلى والنوع الآخر من مجموعات البيانات (أي مختلف عن الأسعار). 1 8211 تحميل البيانات الأولية (listOfInstruments. R أمب HistoryData. R) الملف listOfInstruments. R هو ملف يحتوي فقط على قائمة بجميع الأدوات. إذا كان أداة isn8217t جزء من قائمتي (أي ملف كسف في مجلد البيانات) أو إذا كنت تفعل ذلك للمرة الأولى لديك لتحميل مجموعة البيانات التاريخية الأولية. المثال أدناه ينزل مجموعة من صناديق المؤشرات المتداولة يوميا من ياهو فينانس إلى يناير 2000 وتخزين البيانات في ملف كسف. 2 8211 تحديث البيانات الموجودة (updateData. R) يبدأ الرمز التالي من الملفات الموجودة في المجلد المخصص ويقوم بتحديث كل واحد منهم بعد الآخر. أنا عادة تشغيل هذه العملية كل يوم إلا عندما I8217m في عطلة. لإضافة أداة جديدة، ببساطة تشغيل الخطوة 1 أعلاه لهذا الصك وحده. 3 8211 إنشاء ملف دفعي (updateDailyPrices. bat) جزء مهم آخر من المهمة إنشاء ملف دفعي يقوم بأتمتة عملية التحديث أعلاه (I8217m مستخدم ويندوز). هذا يتجنب فتح رستوديو وتشغيل التعليمات البرمجية من هناك. يتم وضع التعليمات البرمجية أدناه على ملف. bat (المسار يجب أن يتم تعديله مع إعداد القارئ 8217s). لاحظ أنني أضفت ملف الإخراج (updateLog. txt) لتتبع التنفيذ. العملية المذكورة أعلاه بسيطة للغاية لأنها تصف فقط كيفية تحديث بيانات الأسعار اليومية. I8217ve تم استخدام هذا لفترة من الوقت، وأنها كانت تعمل بسلاسة جدا بالنسبة لي حتى الآن. لمزيد من البيانات المتقدمة أندور ترددات أعلى، يمكن للأشياء الحصول على أكثر صعوبة. كالمعتاد أي تعليقات نرحب مارس 23، 2015، 8:55 بيإم عندما يتعلق الأمر بإدارة محفظة الأسهم مقابل معيار المشكلة هي مختلفة جدا عن تحديد استراتيجية العودة المطلقة. في السابق يجب أن تعقد المزيد من الأسهم مما كانت عليه في وقت لاحق حيث لا يمكن الاحتفاظ بأي أسهم على الإطلاق إذا لم تكن هناك فرصة جيدة بما فيه الكفاية. والسبب في ذلك هو خطأ التتبع. ويعرف هذا على أنه الانحراف المعياري لعائد المحفظة مطروحا منه العائد المرجعي. وكلما قلت المخزونات مقابل مقياس مرجعي كلما زاد خطأ التتبع (مثل ارتفاع المخاطر). التحليل التالي هو مستوحى إلى حد كبير من كتاب 8220Active إدارة المحافظ 8221 من قبل غرينولد أمب كان. هذا هو الكتاب المقدس لأي شخص مهتم في تشغيل محفظة ضد المعيار. وأنا أشجع بقوة أي شخص لديه مصلحة في هذا الموضوع لقراءة الكتاب من البداية إلى النهاية. It8217s مكتوبة بشكل جيد للغاية ويضع أسس إدارة محفظة نشطة منهجية (ليس لدي أي انتماء إلى المحرر أو المؤلفين). 1 8211 تحليل عامل هنا we8217re تحاول ترتيب بأكبر قدر ممكن الأسهم في عالم الاستثمار على أساس العودة إلى الأمام. العديد من الناس جاءوا مع العديد من الأدوات و تم تطوير عدد لا يحصى من تلك الأدوات لتحقيق ذلك. في هذا المنصب، أركز على مقياسين بسيطين ومستخدمين على نطاق واسع: معامل المعلومات (إيك) وعائد الكميات (ريال قطري). 1.1 معامل المعلومات 8211 يجب أن يحدد المحلل الأفق للعوائد الآجلة وهو 8217s دالة لاستراتيجية دوران 8217s وتحلل ألفا (كان هذا موضوع بحث موسع). من الواضح أن المراآز يجب أن تكون على أعلى مستوى ممكن من حيث القيمة المطلقة. بالنسبة للقارئ الحريص، في كتاب غرينولد أمب كان الصيغة التي تربط نسبة المعلومات (إر) و إيك تعطى: مع اتساع عدد من الرهانات المستقلة (الحرف). وتعرف هذه الصيغة بالقانون الأساسي للإدارة الفعالة. المشكلة هي أنه في كثير من الأحيان، وتحديد اتساع بدقة ليست سهلة كما يبدو. 1.2 8211 كوانتيز ريتورن من أجل الحصول على تقدير أدق لعامل القدرة التنبؤية له 8217s اللازمة للانتقال خطوة أخرى، ثم تجميع الأسهم حسب كمية قيم العوامل ثم تحليل متوسط ​​العائد الآجل (أو أي مقياس ميل مركزي آخر) لكل من تلك quantiles. فائدة هذه الأداة هي واضحة. يمكن أن يكون لعامل إيك جيد ولكن قد تنحصر قدرته التنبؤية على عدد قليل من الأسهم. هذا ليس جيدا كما مدير محفظة سيكون لديك لاختيار الأسهم داخل الكون كله من أجل تلبية قيود خطأ التتبع. وتتميز عودة الكميات الجيدة بعلاقة رتيبة بين الكميات الفردية والعوائد الآجلة. جميع الأسهم في مؤشر SampP500 (في وقت كتابة هذا التقرير). من الواضح أن هناك تحيز سفينة البقاء على قيد الحياة: قائمة الأسهم في المؤشر قد تغيرت بشكل ملحوظ بين بداية ونهاية فترة العينة، ومع ذلك فإنه 8217s جيدة بما فيه الكفاية لأغراض التوضيح فقط. التعليمات البرمجية أدناه تحميل أسعار الأسهم الفردية في SampP500 بين يناير 2005 واليوم (يستغرق بعض الوقت) ويحول أسعار الخام في العودة على مدى الأشهر ال 12 الماضية والشهر الماضي. الأول هو عاملنا، وسيتم استخدام هذا الأخير كمقياس العودة إلى الأمام. وفيما يلي رمز لحساب معامل المعلومات وعودة الكميات. لاحظ أنني استخدمت الخماسي في هذا المثال ولكن يمكن استخدام أي طريقة تجميع أخرى (تيرسيلز، ديسيلز etc.8230). فإنه يعتمد حقا على حجم العينة، ما تريد التقاط والطقس تريد أن يكون لمحة عامة أو التركيز على ذيول التوزيع. ولتقدير العائدات في كل خمسية، استخدم الوسيط كمقدر للنزعة المركزية. هذا المقياس أقل حساسية بكثير من القيم المتطرفة من الوسط الحسابي. وأخيرا رمز لإنتاج الرسم البياني كوانتيز ريتورن. 3 8211 كيفية استغلال المعلومات أعلاه في الرسم البياني أعلاه Q1 هو أدنى 12 شهرا الماضية العودة و Q5 أعلى. هناك زيادة رتيبة تقريبا في العائد الكمي بين Q1 و Q5 مما يشير بوضوح إلى أن الأسهم التي تندرج تحت Q5 تفوق تلك التي تقع في الربع الأول بنحو 1 في الشهر. هذا مهم جدا وقوية لمثل هذا عامل بسيط (ليس حقا مفاجأة على الرغم 8230). لذلك هناك فرص أكبر للتغلب على المؤشر من خلال زيادة الوزن للأسهم المتساقطة في Q5 وتخفيض الوزن لتلك التي تقع في الربع الأول بالنسبة إلى المؤشر المعياري. إيك من 0.0206 قد لا يعني الكثير في حد ذاته لكنه 8217s يختلف اختلافا كبيرا عن 0 ويشير إلى قوة تنبؤية جيدة من الأشهر ال 12 الماضية يعود عموما. يمكن تقييم اختبارات الأهمية الرسمية ولكن هذا خارج نطاق هذه المقالة. 4 8211 القيود العملية الإطار السابق ممتاز لتقييم جودة الاستثمارات 8217s الجودة ولكن هناك عدد من القيود العملية التي يجب معالجتها لتنفيذ الحياة الحقيقية: إعادة التوازن. في الوصف أعلاه، يفترض 8217s أنه في نهاية كل شهر يتم إعادة توازن محفظة بالكامل. وهذا يعني أن جميع الأسهم التي تندرج في الربع الأول من هذا العام تعاني من نقص الوزن، وأن جميع الأسهم التي تندرج في Q5 هي زيادة في الوزن مقارنة بالمؤشر المعياري. هذا ليس دائما ممكنا لأسباب عملية: بعض الأسهم قد تكون مستبعدة من عالم الاستثمار، هناك قيود على الصناعة أو وزن القطاع، وهناك قيود على دوران الخ 8230 تكاليف المعاملات. هذا لم يؤخذ في الاعتبار في التحليل أعلاه وهذا هو فرملة خطيرة لتنفيذ الحياة الحقيقية. وعادة ما يتم تنفيذ اعتبارات دوران في الحياة الحقيقية في شكل عقوبة على جودة عامل. معامل النقل. هذا هو امتداد للقانون الأساسي للإدارة النشطة ويخفف من افتراض نموذج غرينولد 8217s أن المديرين لا تواجه أي قيود مما يمنعهم من ترجمة رؤى استثماراتهم مباشرة إلى الرهانات محفظة. وأخيرا، I8217m دهشتها ما يمكن تحقيقه في أقل من 80 سطر من التعليمات البرمجية مع R8230 كالمعتاد أي تعليقات ترحيب 14 مارس 2014، 1:07 م السؤال يجب أن يسأل دائما نفسه عند استخدام المؤشرات الفنية هو ما سيكون هدفا معايير لتحديد مؤشرات المؤشرات (على سبيل المثال لماذا استخدام مؤشر القوة النسبية 14 يوما بدلا من 15 أو 20 يوما). الخوارزميات الجينية (غا) هي أدوات مناسبة تماما للإجابة على هذا السؤال. في هذا المنصب I8217ll تظهر لك كيفية إعداد المشكلة في R. قبل أن أبدأ تذكير المعتاد: ما أقدم في هذا المنصب هو مجرد مثال لعبة وليس دعوة للاستثمار. انها ليست استراتيجية الانتهاء إما ولكن فكرة البحث التي تحتاج إلى مزيد من البحث، وضعت ومصممة خصيصا للاحتياجات الفردية. ما هي الخوارزميات الجينية وصف أفضل من غا I جاء عبر يأتي من سايبرناتيك تجارة كتاب موراي A. روجيرو. خوارزميات 8220Genetic اخترع من قبل جون هولاند في منتصف 1970 لحل المشاكل الأمثل الصعب. يستخدم هذا الأسلوب الانتقاء الطبيعي، والبقاء على قيد الحياة من fittest8221. تتبع العملية العامة الخطوات التالية: ترميز المشكلة إلى الكروموسومات باستخدام الترميز، قم بتطوير وظيفة اللياقة البدنية لاستخدامها في تقييم كل قيمة من الكروموسومات 8217s في حل مشكلة معينة تهيئة عدد من الكروموسومات تقييم كل كروموسوم في السكان إنشاء كروموسومات جديدة عن طريق التزاوج بين اثنين الكروموسومات. ويتم ذلك عن طريق كتم وإعادة ربط اثنين من الآباء والأمهات لتشكيل طفلين (يتم اختيار الآباء عشوائيا ولكن منحازة من قبل لياقتهم) تقييم الكروموسوم الجديد حذف عضو من السكان الذي هو أقل ملاءمة من الكروموسوم الجديد وإدراج الكروموسوم الجديد في السكان . إذا تم التوصل إلى معايير وقف (الحد الأقصى لعدد الأجيال، ومعايير اللياقة البدنية جيدة بما فيه الكفاية 8230) ثم العودة أفضل كروموسوم بدلا من الذهاب إلى الخطوة 4 من وجهة نظر التداول غا مفيدة جدا لأنها جيدة في التعامل مع مشاكل غير الخطية للغاية. ومع ذلك فإنها تظهر بعض الميزات السيئة التي تستحق الذكر: أكثر المناسب: هذه هي المشكلة الرئيسية و it8217s وصولا الى المحلل لاقامة المشكلة بطريقة تقلل من هذا الخطر. وقت الحوسبة. إذا تم تعريف المشكلة 8217t بشكل صحيح، يمكن أن يكون طويلا للغاية للوصول إلى حل لائق والتعقيد يزيد أضعافا مضاعفة مع عدد من المتغيرات. وبالتالي ضرورة اختيار بعناية المعلمات. هناك العديد من حزم R التعامل مع غا، اخترت استخدام الأكثر شيوعا واحد: رجنود أسعار الإغلاق اليومي لمعظم صناديق الاستثمار المتداولة السائلة من ياهو المالية العودة إلى يناير 2000. في عينة الفترة من يناير 2000 إلى ديسمبر 2010. وخروج من تبدأ فترة العينة في يناير 2011. المنطق هو كما يلي: يتم تحسين وظيفة اللياقة البدنية على مدى فترة العينة للحصول على مجموعة من المعلمات المثلى للمؤشرات الفنية المحددة. ثم يتم تقييم أداء تلك المؤشرات في فترة خارج العينة. ولكن قبل القيام بذلك، يجب اختيار المؤشرات الفنية. سوق الأسهم يظهر اثنين من الخصائص الرئيسية التي هي مألوفة لأي شخص لديه بعض الخبرة التجارية. الزخم على المدى الطويل وعكس المدى القصير. ويمكن ترجمة هذه الميزات على أساس المؤشرات الفنية من خلال: تحريك المتوسطات عبر و رسي. ويمثل هذا مجموعة من 4 معلمات: فترات العودة إلى الوراء للمتوسطات المتحركة طويلة وقصيرة الأجل، فترة نظر إلى الوراء لمؤشر القوة النسبية ومؤشر القوة النسبية. مجموعات من المعلمات هي الكروموسومات. العنصر الرئيسي الآخر هو وظيفة اللياقة البدنية. قد نرغب في استخدام شيء مثل: الحد الأقصى للعائد أو نسبة شارب أو الحد الأدنى لمعدل السحب. في ما يلي، اخترت لتعظيم نسبة شارب. تنفيذ R هو مجموعة من 3 وظائف: فيتنيسفونتيون. يحدد وظيفة اللياقة البدنية (على سبيل المثال، نسبة شارب القصوى) لاستخدامها في ترادستاتيستيكش محرك غا. ملخص الإحصائيات التجارية للداخل والخروج من فترات العينة لأغراض المقارنة الجينود. محرك غا من حزمة رجنود وظيفة جنود معقدة نوعا ما ولكن I8217m لن شرح ما يعني كل معلمة كما أريد للحفاظ على هذا المنصب القصير (والوثائق جيدة حقا). في الجدول أدناه أعرض لكل صك المعلمات المثلى (مؤشر القوة النسبية فترة العودة إلى الوراء، عتبة مؤشر القوة النسبية، المتوسط ​​المتحرك على المدى القصير، والمتوسط ​​المتحرك على المدى الطويل) جنبا إلى جنب مع داخل وخارج إحصاءات التجارة العينة. قبل التعليق على النتائج المذكورة أعلاه، أريد أن أشرح بضع نقاط مهمة. لمطابقة المنطق المحدد أعلاه، ربطت المعلمات للتأكد من أن فترة النظر إلى الوراء للمتوسط ​​المتحرك على المدى الطويل تكون دائما أطول للمتوسط ​​المتحرك الأقصر. كما قيدت المحسن لاختيار الحلول فقط مع أكثر من 50 حرفا في فترة العينة (على سبيل المثال، دلالة إحصائية). وعموما فإن النتائج خارج العينة لا تزال مثيرة للإعجاب. عوائد منخفضة حتى لو كان عدد من الصفقات الصغيرة لجعل النتيجة كبيرة حقا. ومع ذلك هناك 8217s خسارة كبيرة من الكفاءة بين والخروج من فترة العينة لليابان (إوج) التي من المرجح جدا يعني أكثر من المناسب. تهدف هذه الوظيفة إلى إعطاء القارئ الأدوات اللازمة لاستخدام غا بشكل صحيح في إطار التداول الكمي. مرة أخرى، It8217s مجرد مثال الذي يحتاج إلى مزيد من الصقل. وهناك بعض التحسينات المحتملة لاستكشاف ما يلي: وظيفة اللياقة البدنية. وتعظيم نسبة شارب تبسيط جدا. ومن شأن وظيفة 8220smarter8221 بالتأكيد تحسين الخروج من نموذج نموذج إحصاءات التجارة. ونحن نحاول التقاط نمط واضح جدا. وهناك حاجة إلى مزيد من البحوث نمط العمق. الاقوي . هناك العديد من الطرق لتحسين طريقة إجراء التحسين. وهذا من شأنه أن يحسن من سرعة الحساب وعقلانية النتائج. تتوفر التعليمات البرمجية المستخدمة في هذا المنصب على مستودع جيست. كالمعتاد أي تعليقات ترحيب فبراير 28، 2014، 3:52 بيإم هناك مجموعة هائلة من الأدب على حد سواء الأكاديمية والتجريبية حول توقعات السوق. في معظم الوقت أنه يمزج اثنين من ميزات السوق: حجم والتوجيه. في هذه المقالة أريد أن أركز على تحديد اتجاه السوق فقط. الهدف الذي أضعه بنفسي هو تحديد ظروف السوق عندما تكون الاحتمالات متحيزة بشكل كبير نحو سوق أعلى أو لأسفل. هذا المنصب يعطي مثالا على كيفية استخدام كارت (التصنيف والانحدار الأشجار) في هذا السياق. قبل أن أبدأ التذكير المعتاد: ما أقدمه في هذا المنصب هو مجرد مثال على لعبة وليس دعوة للاستثمار. انها ليست استراتيجية الانتهاء إما ولكن فكرة البحث التي تحتاج إلى مزيد من البحث، وضعت ومصممة خصيصا للاحتياجات الفردية. 1 8211 ما هو كارت والسبب في استخدامه من الإحصاءات، كارت هي مجموعة من التقنيات للتصنيف والتنبؤ. وتهدف هذه التقنية إلى إنتاج قواعد تتنبأ بقيمة متغير النتيجة (الهدف) من القيم المعروفة للمتغيرات (التفسيرية). هناك العديد من التطبيقات المختلفة ولكنهم جميعا يتقاسمون خصائص عامة وهذا ما تهتم به. من ويكيبيديا، خوارزميات لبناء أشجار القرار عادة ما تعمل من أعلى إلى أسفل، عن طريق اختيار متغير في كل خطوة أن أفضل تقسيم مجموعة من العناصر. خوارزميات مختلفة تستخدم مقاييس مختلفة لقياس 8220best8221. تقيس هذه عموما تجانس المتغير المستهدف ضمن المجموعات الفرعية. يتم تطبيق هذه المقاييس على كل مجموعة فرعية مرشحة، ويتم الجمع بين القيم الناتجة (على سبيل المثال المتوسط) لتوفير مقياس لجودة الانقسام. منهجية كارت يعرض بعض الخصائص التي هي مناسبة جدا لتحليل السوق: غير حدودي. كارت يمكن التعامل مع أي نوع من التوزيعات الإحصائية غير الخطية. كارت يمكن التعامل مع مجموعة كبيرة من التبعية بين المتغيرات (على سبيل المثال لا تقتصر على العلاقات الخطية) قوية إلى القيم المتطرفة هناك العديد من حزم R التعامل مع التقسيم العودية، وأنا استخدم هنا ربرت لتقدير الأشجار و rpart. plot لأشجار الرسم. 2 8211 البيانات أمب تجربة تصميم أسعار أوهلك اليومية لمعظم صناديق الاستثمار المتداولة السائل من يناير 2000 إلى ديسمبر 2013 المستخرجة من جوجل المالية. في فترة العينة من يناير 2000 إلى ديسمبر 2010 بقية البيانات هي خارج فترة العينة. قبل تشغيل أي نوع من التحليل يجب إعداد مجموعة البيانات للمهمة. المتغير المستهدف هو العائد الآجل الأسبوعي لصندوق الاستثمار المتحد الذي تم تعريفه على أنه حالتين من نتائج العالم (صعودا أو هبوطا). إذا عادت إلى الأمام أسبوعيا غ 0 ثم السوق في الدولة أوب، أسفل حالة خلاف ذلك المتغيرات التفسيرية هي مجموعة من المؤشرات الفنية المستمدة من البيانات اليومية الأولية أوهلك. ويمثل كل مؤشر سلوك سوق موثقا جيدا. من أجل الحد من الضوضاء في البيانات ومحاولة تحديد علاقات قوية، ويعتبر كل متغير مستقل أن يكون لها نتيجة ثنائية. التقلب (VAR1). وعادة ما يرتبط التقلبات العالية بسوق هبوطي وتقلب منخفض مع ارتفاع السوق. ويعرف التقلب على أنه متوسط ​​المدى الحقيقي أتر 20 يوما (متوسط ​​المدى الحقيقي) إلى متوسطه المتحرك (ما). إذا الخام أتر غ ما ثم VAR1 1، وإلا VAR1 -1. الزخم على المدى القصير (VAR2). ويظهر سوق الأسهم سلوك الزخم على المدى القصير الذي تم التقاطه هنا بمتوسطات متحركة بسيطة مدتها 5 أيام. إذا كان السعر غ سما ثم VAR2 1 آخر VAR2 -1 الزخم على المدى الطويل (VAR3). سوق الأسهم يظهر سلوك الزخم على المدى الطويل التي تم التقاطها هنا من خلال 50 يوما المتوسطات المتحركة البسيطة (لما). إذا كان السعر غ لما ثم VAR3 1 آخر VAR3 -1 انعكاس على المدى القصير (VAR4). يتم التقاط هذا من قبل كترد الذي يقف على مقربة النسبية إلى المدى اليومي وتحسب على النحو التالي:. إذا كترد غ 0.5، ثم VAR4 1 آخر VAR4 -1 نظام الترابط الذاتي (VAR5). يميل سوق الأسهم إلى مرور فترات من أنظمة الترابط السلبي والإيجابي. إذا عادت الارتباط الذاتي على مدى الأيام الخمسة الماضية غ 0 ثم VAR5 1 آخر VAR5 -1 أضع أدناه مثال شجرة مع بعض التفسيرات في الشجرة أعلاه، المسار للوصول إلى العقدة 4 هو: VAR3 gt0 (المدى الطويل الزخم غ 0) و VAR4 غ 0 (كرتر غ 0). يشير المستطيل الأحمر إلى أن هذا هو ورقة دون (مثل عقدة الطرفية) مع احتمال 58 (1 8211 1. ويعني ذلك من حيث السوق أنه إذا كان الزخم على المدى الطويل صعودا و كترد هو غ 0.5 فإن احتمال العائد الإيجابي الأسبوع المقبل هو 42 استنادا إلى بيانات عينة العينة. 18 يشير إلى نسبة مجموعة البيانات التي تقع في العقدة الطرفية (مثل الورقة). هناك العديد من الطرق لاستخدام النهج أعلاه، اخترت لتقدير والجمع بين جميع الأشجار الممكنة. من البيانات في العينة، وجمع كل الأوراق من جميع الأشجار الممكنة وأنا جمعها في مصفوفة. هذا هو 8220rules matrix8221 إعطاء احتمال الاسبوع المقبل بيينغ أوب أو أسفل. أطبق القواعد الواردة في المصفوفة أعلاه على بيانات العينة (كانون الثاني / يناير 2011 8211 كانون الأول / ديسمبر 2013) وأقارن النتائج بالنتيجة الحقيقية. المشكلة مع هذا النهج هو أن نقطة واحدة (الأسبوع) يمكن أن تقع في عدة قواعد وحتى تنتمي إلى أوب و دون قواعد في وقت واحد. لذلك أطبق نظام التصويت. لأسبوع معين أختصر جميع القواعد التي تنطبق على هذا الأسبوع إعطاء 1 لقاعدة أوب و -1 لقاعدة أسفل. إذا كان المبلغ أكبر من 0 يتم تصنيف الأسبوع على أنه أوب، إذا كان المبلغ سلبيا أنه 8217s أسبوع لأسفل وإذا كان المبلغ يساوي 0 لن يكون هناك موقف اتخذت هذا الأسبوع (عودة 0) يتم تطبيق المنهجية المذكورة أعلاه إلى مجموعة من صناديق الاستثمار المتداولة السائلة جدا. أنا مؤامرة دون منحنى الأسهم من العينة جنبا إلى جنب مع استراتيجية شراء وعقد خلال نفس الفترة. النتائج الأولية تبدو مشجعة حتى لو كانت نوعية النتائج تختلف اختلافا كبيرا من قبل الصك. ومع ذلك هناك غرفة كبيرة للتحسين. أضع أدناه بعض الاتجاهات لمزيد من التحليل المسار الأمثل. الخوارزمية المستخدمة هنا لتحديد الأشجار هو الأمثل في كل الانقسام ولكن itn8217t ضمان الأمثل للمسار. ومن المؤكد أن إضافة مقياس لقياس مدى أمثل المسار سيؤدي إلى تحسين النتائج المذكورة أعلاه. متغيرات أخرى. لقد اخترت المتغيرات التفسيرية فقط على أساس الخبرة. ومن المرجح جدا أن هذا الخيار ليست جيدة ولا الأمثل. منهجية باكتست. اعتدت بسيطة داخل وخارج العينة المنهجية. في اختبار سابق أكثر رسمية أود بدلا من ذلك استخدام نافذة المتداول أو توسيع من داخل وخارج عينة الفترات الفرعية (على سبيل المثال المشي إلى الأمام تحليل) كالمعتاد، أي تعليقات ترحيب